基于主成分和聚類分析綜合評價塔額盆地油菜新品種（系）

摘 要：【目的】選育塔額盆地優質春油菜新品種，為塔額盆地油菜選擇育種提供科學的理論依據。

【方法】以15份油菜品種（系）為參試材料，利用主成分分析、聚類分析對參試品種（系）進行綜合評價。

【結果】參試品種生育期在93～100 d，油菜品種（系）11個性狀對產量的有較大正相關的有單株產量、全株角果數、一級分枝數、二級分枝數、千粒重和角果粒數相關系數分別為0.44*、0.36*、0.34*、0.24、0.18和0.16，在育種中應該更加關注提高全單株產量、全株角果數和一級分枝數，降低分枝高度；前4成分累計貢獻率達到78.472%；對應的方差貢獻率加權求和：F=0.448 3F1+0.267 1F2+156 8F3+127 9F4。排名第1的品種為YC6（新油17號），其得分為306.63分，其表征11個性狀指標綜合表現最佳，在15個參試品種中YC6（新油17號）適應塔額盆地的能力相對最強；可將15個參試品種聚分為4大類群；第1類群包括YC2、YC3等4個品種，平均產量最低，為3 433.15 kg/hm2，屬于低產群體；第2類群包括YC5、YC6等5個品種，平均產量最高，為3 669.22 kg/hm2，屬于中高產群體；第3類群包括YC12和YC13等5個品種，產量較低，平均為3 522.60 kg/hm2，屬于中低產群體；YC15為第4類，產量最高，為3 891.90 kg/hm2（高產品種）。

【結論】在春油菜育種中更加關注提高全單株產量、全株角果數和一級分枝數，降低分枝高度 ，同時綜合考慮一級分枝數佳、莖粗和主序角果數。第2類群和第4類群各性狀指標處于中等偏上，其中又以YC6（新油17號）、YC8（CFZqt221060）和YC15（CFZqt221067）表現最佳，是塔額盆地栽培的高產油菜品種。

關鍵詞：油菜；相關性分析；主成分分析；聚類分析

中圖分類號：S564.4 ""文獻標志碼：A

文章編號：1001-4330（2025）01-0118-11

收稿日期（Received）：

2024-07-14

基金項目：

國家油菜產業技術體系（CARS-12）；新疆生產建設兵團第九師科技特派員創新創業項目（特色作物高產栽培科技特派員團隊創新創業）

作者簡介：

王賀亞（1992-），男，河南上蔡人，助理研究員，研究方向為作物栽培、育種與水肥一體化，（E-mail）1209399827@qq.com

通信作者：

羅靜靜（1989-），女，河南扶溝人，副研究員，碩士，研究方向為作物栽培及病蟲害防治，（E-mail）860220521@qq.com

0 引 言

【研究意義】2017 年世界油菜種植面積達4 163×104 hm2，總產量達7 624×104t，僅次于油棕、大豆［1］，2022～2023年世界油菜收獲面積分別達4 164×104和4 181×104 hm2（我國油菜收獲面積分別為710×104和735×104 hm2）。目前，油脂需求量快速增長［2］。我國菜籽油占油料作物植物油產量的55%以上［3］。我國新疆塔額盆地油菜種植面積常年維持在12×104 hm2（18×104畝），平均產量在2 250 kg/hm2，育有品種有塔油1號和塔油2號，我區旱地油菜種植面積居多，因此對于油菜種植資源的優質篩選與高產育種對我區油菜產業發展至關重要。農作物種質資源是品種選育的基礎［4］。主成分分析和相關性分析是評價種質資源和指導遺傳育種的有效手段［5-6］。選育和篩選高產穩產油菜品種對塔額盆地品種選育

具有重要意義。【前人研究進展】近年來，主成分分析法和聚類分析法已廣泛應用于小麥［7］、玉米［8］、油菜［9］、水稻［10］、大豆［11］等育種研究中。在新疆主要以雙低油菜為主，育成且推廣的品種塔油2號，常年在塔城種植面積達0.13×104 hm2（2×104畝），因為旱地種植居多，因此平均產量達1 500 kg/hm2。前人［12］對引進油菜品系關于形狀對產量及通徑分析，明確產量性狀是多個產量組成性狀共同作用的結果，每個單一農藝性狀不僅可以對目標性狀產生直接影響，還會通過與其他農藝性狀的間接作用共同影響油菜籽產量、效益和產值。【本研究切入點】 目前，關于塔額盆地油菜選育主要農藝性狀的相關性、主成分分析、聚類分析相結合的研究較少，需研究油菜參試品種的綜合評價。【擬解決的關鍵問題】以15份油菜品種（系）為參試材料，通過對11個主要性狀進行相關性、主成分和聚類分析，明晰塔額盆地適應性品種選擇，探明性狀與油菜產量之間顯著性，為塔額盆地油菜育種提供理論數據及指導。

1 材料與方法

1.1 材 料

材料均由新疆農業科學院經濟作物研究所自育油菜品種（系）15份。表1

1.2 方 法

試驗于2022年4～8月進行，將15份供試材料種植于塔額墾區新疆生產建設兵團第九師農（畜）科所團結農場試驗地內，采用隨機排列，3次重復，小區面積16.8 m2，小區長度7 m，小區寬2.4 m，行距18 cm，株距5 cm，按常規方式田間管理。于油菜成熟期，每小區取正常生長的15株油菜考種，調查各品種的株高、有效分枝高度、一級分枝、二級分枝、莖粗、主花序長）、主序角果數、角果粒數、全株角果數、千粒重及單株產量，測量方法按照《油菜種質資源描述規范和數據標準》，通過考種取得當年主要性狀數據的平均值。

生產期間試驗地4～8月氣象數據，平均溫度為20.84℃，4～8月月平均溫度分別為13.7、20.5、23.8、24.2和22℃；生產期間平降雨量為10.1 mm，4～8月月平均降雨量分別0、15.6、15.3、19.62和0.4 mm。圖1

1.3 數據處理

利用Excel整理數據，利用SPSS軟件進行11個主要性狀的變異系數分析、相關性分析、主成分分析綜合評價和聚類分析，分析品種適應性和主要性狀對產量影響，分析影響塔額盆地油菜產量的主要性狀。

2 結果與分析

2.1 參試品種（系）生育期的變化

研究表明，參試品種（系）4月19日播種，生育期在93～100 d，生育期最長的品種為YC10，為100 d，8個品種生育期均為93 d，分別是YC2、YC3、YC4、YC6、YC7、YC8、YC9和YC13品種；參試油菜品種成熟整齊度均為整齊。表2

2.2 參試品種（系）相關性狀比較

研究表明，油菜11個性狀指標和產量中，產量和千粒重均以YC6（新油17號）為最高，分別為4 153 kg/hm2和5.10 g，產量與其他品種呈差異性顯著（P lt;0.5）；株高平均為123.17cm，其中以YC13株高最高，為149.30 cm，且與其他品種差異顯著，YC6（新油17號）株高為128.60 cm，與YC3、YC10、YC11和YC12之間差異不顯著；分枝高度在25.70～77.40 cm，YC13分枝高最長，為77.40 cm，且與其他品種差異顯著，YC6（新油17號）分枝高為32.10 cm，與YC1和YC7之間差異不顯著，YC10品種分枝高最小，為25.70 cm；一級分枝數和二級分枝數分別以YC11和YC2為最多，數值分別為5.2個和4個，YC6（新油17號）的平均一級分枝數和二級分枝數分別為4.7個和2.8個；油菜莖粗在6.29～10.07 mm，YC6（新油17號）為7.68 mm，與YC10呈差異顯著，但與其他品種均差異不顯著；主化序長在50.00～63.20 cm，其中YC1最長，為63.20 cm，且顯著高于其他品種，YC6（新油17號）為最低50.00 cm，與YC4、YC5、YC8、YC9和YC14之間差異不顯著；主序角果數、角果粒數、全株角果數、單株產量等性狀是產量高產與否的重要指標，在主序角果數以青雜12號最多，為45.5個，顯著多于其他品種，YC6（新油17號）居中為31.1個，顯著小于YC9、YC12、YC13和YC15，但與其他品種差異不顯著；角果粒數以YC6（新油17號）為最高25.93粒，且顯著高于其他品種；全株角果數以YC10最高為142.4個，且顯著高于其他品種，YC6（新油17號）為122.7個，與YC5差異不顯著；單株產量在6.15～9.44 g，YC10最高，與YC2、YC13和YC11差異不顯著；產量高低與各經濟性狀的均衡有很大關系，單一性狀高低對產量影響有限。在育種中應優先選擇產量高且性狀均衡的品種。表3

2.3 參試品種性狀及產量差異性

研究表明，塔額盆地油菜的產量和農藝性狀存在較大變異系數，其株高、分枝高度、一級分枝數、二級分枝數、莖粗、主花序長、主序角果數、全株角果數、角果長、角果粒數、千粒重、單株產量和單產平均值分別為123.17 cm、37.39 cm、4.31個、2.52個、0.78 cm、55.19 cm、33.55個、105.37粒、113.13個、4.20 g、7.53 g/株和3 572.24 kh/hm2。變異指數在7.43%～31.76%，其中分枝高變異系數最大為31.76%、二級分枝數變異指數為29.21%、莖粗度變異指數為15.06%、單株產量變異指數為14.18%、主序角果數變異指數為14.04%，5種性狀遺傳變異豐富，選擇空間大，最大值與最小值間差異顯著。表4

2.4 參試品種的相關性

研究表明，11個性狀與產量的相關性從高到低依次為單株產量、全株角果數、一級分枝數、二級分枝數、千粒重、角果粒數、莖粗、主花序長、主序角果數、株高、分枝高，相關系數分別為0.44*、0.36*、0.34*、0.24、0.18、0.16、0.047、-0.15、-0.21、-0.25和-0.35*，其中單株產量、全株角果數和一級分枝數與產量呈顯著正相關，單株產量、全株角果數和一級分枝數對產量的貢獻大，3個性狀數值增加，產量會相應增高，3個性狀因子是顯著影響產量的重要因素，分枝高與產量呈現顯著負相關，分枝高的增加會降低產量，所以在育種選擇上應注重提高單株產量、全株角果數和一級分枝數，分枝高低的品種。

株高與分枝高和主序角果數之間呈極顯著正相關，相關系數分別為0.76**和0.62**，株高越高，分枝高也越高，主序角果數也越多，株高對分枝高和主序角果數的貢獻大；但與二級分枝數呈極顯著負相關，相關系數為-0.47**，株高增加會影響二級分枝數的增加。分枝高與主序角果數之間呈極顯著正相關，但與二級分枝數呈極顯著負相關，相關系數分別為0.67**和-0.53**，增加分枝高越高主序角果數越大，但二級分枝數則越小。一級分枝數與全株角果數和二級分枝數分別呈極顯著正相關和顯著正相關，相關系數分別為0.46**、0.32*，一級分枝數越高，全株角果數越多，二級分枝數也越多，一級分枝數對全株角果數和二級分枝數的貢獻大；與主花序長呈顯著負相關，相關系數為-0.30*，一級分枝數越多，主花序長越短。全株角果數與單株產量和莖粗呈顯著正相關，相關系數分別為0.56**和0.44**，和主序角果數呈顯著正相關，相關系數為0.31*，全株角果數也單株產量、莖粗和主序角果數關系密切，增加全株角果數也會提高單株產量、莖粗和主序角果數，且對單株產量貢獻最大。圖2

2.5 參試品種的主成分

研究表明，排在前4的主成分特征值均超過1，且累計貢獻率達到78.472%，前4主成分分別占全部載荷量的35.178%、20.958%、12.301%和10.035%，前4主成分在油菜品種性狀評價起主導作用，且能反應油菜性狀綜合評價的主要信息。表5

第1主成分中，株高、分枝高及主序角果數載荷較大，3個性狀對第1主成分正向影響較大，隨主成分的增加，3個性狀也隨之增加，該主成分可以表達出主序數量和高度指標，可以稱為高度因子；在第2主成分中，單株產量、單產和1級分枝數載荷值較大，且對第2主成分產生正向影響，即單株產量、單產和1級分枝數會隨著第2主成分的增加而增加，第2主成分可以反映了油菜品種的分枝數量和產量指標，可以稱為產量因子；第3主成分中，在主花序長和角果粒數上載荷較大，該主成分可以表達出角果數量指標，可以稱為角果粒數因子；在千粒重上載荷值較大，千粒重對第4主成分正向影響較大，且隨著第4主成分的增加而增大，所以該主成分可以體現千粒重指標，可以稱為千粒重因子。表6

2.6 15個油菜品種（系）的綜合評價

研究表明，結合所提取的前4為累計貢獻率78.472%的4個主成分，構建油菜主要性狀指標的分析評估模型。通過對應特征值及載荷值來獲得相關的特征向量。

F1=0.265X1+0.237X2+0.015X3-0.211X4+0.19X5+0.011X6+0.224X7-0.117X8+0.08X9+0.095X10+0.01X11+0.006X12；

F2=0.1X1+0.013X2+0.213X3+0.118X4-0.028X5+0.083X6+0.1X7-0.008X8+0.339X9+0.013X10+0.348X11+0.255X12；

F3=-0.015X1-0.03X2-0.401X3+0.211X4+0.017X5+0.547X6+0.056X7+0.376X8-0.052X9-0.089X10+0.238X11-0.102X12；

F4=0.116X1+0.116X2-0.068X3-0.139X4-0.094X5-0.138X6-0.057X7+0.281X8-0.085X9+0.652X10+0.034X11+0.380X12.

X1代表株高、X2代表分枝高、X3代表一級分枝數、X4代表二級分枝數、X5代表莖粗、X6代表主花序長、X7代表主序角果數、X8代表角果粒數、X9代表全株角果數、X10代表千粒重、X11代表單株產量、X12代表單產；綜合4個主成分對應的方差貢獻率加權求和：

F=0.448 3F1+0.267 1F2+156 8F3+127 9F4.

F值分數越高，該油菜品種綜合性狀越優，其中，株高因子得分最高的YC13，產量因子最高的為YC6，角果粒數因子最高得分為YC7，千粒重因子最高為YC6，綜合得分最高的品系為YC6（新油17號），其得分為306.63，其次為YC8、YC15、YC5，分別位列2至4位；YC7、YC4、及YC93個品種F值較低，3個品系的12個指標綜合表現較差。表7

2.7 不用油菜品種（系）的聚類

研究表明，在歐式距離為5時，可將15個參試品種聚分為4大類群；第1類群包括YC2、YC3、YC4、YC1共計4個品種，該類群二級分枝數和角果粒數最多但平均產量最低，為3 433.15kg/hm2，屬于低產群體；第2類群包括YC5、YC6、YC7等共計5個品種，該類群平均產量最高，為3 669.22 kg/hm2，屬于中高產群體；第3大類群包括YC12和YC13、YC11等共計5個品種，該類群株高、分枝高、一級分枝數、莖粗和單株產量平均值在4個類群中最大，但產量較低，平均為3 522.60 kg/hm2，屬于中低產群體；YC15為第四類，其中主序花長、主序角果數、全株角果數、千粒重均為4個類群中最大，且產量較高，為3 891.90 kg/hm2，為高產品種。

第2類群和第4類群各性狀指標處于中等偏上，其中又以YC6、YC8和YC15表現最佳，適合在塔額盆地栽培。圖3

3 討 論3.1

甘藍型油菜是中國三大主栽的油菜類型之一，是重要的油用作物［1］。種質資源多樣化是種質基礎，是用于油菜雜種優勢利用及品種改良［12-13］，試驗中，11個性狀指標和產量中，YC6（新油17號）產量最高，且產量構成要素千粒重、和角果粒數最高，全株角果數較高，主序角果數、一級分枝數及二級分枝數均處于中等地，無明顯的優劣勢。王璐璐等［5，14］研究表明，油菜產量構成三要素（全株角果數、角果粒數、千粒重）大小直接影響產量的高低，與試驗研究結果一致。

不同油菜品種的性狀指標存在顯著差異，變異系數越大，差異性越大，具有一定的廣泛性和代表性［15］。其中分枝高和二級分枝數差異較大，變異系數分別為31.76%和29.21%，2個性狀指標變異豐富，選擇空間大且存在較大的遺傳差異。株高和主序花長性狀變異系數較小，分別為7.43%和8.58%，2個性狀變異不豐富且差異較小，選擇空間小。

塔額盆地油菜的11個性狀對產量的有較大正相關的有單株產量、全株角果數、一級分枝數、二級分枝數、千粒重、角果粒數相關系數分別為0.44*、0.36*、0.34*、0.24、0.18和0.16，單株產量、全株角果數、一級分枝數、二級分枝數、千粒重、角果粒數是提高產量的主要性狀指標。其中單株產量、全株角果數和一級分枝數與產量呈顯著正相關，與倪正斌等［16］研究結果一致。試驗相關分析結果可得，在育種中應該更加關注提高全單株產量、全株角果數和一級分枝數，降低分枝高度，同時對一級分枝數好、莖粗和主序角果數進行綜合考慮。

3.2

主成分分析是指將有聯系的眾多指標運用綜合的變量進行概括，以達到降維的多元統計方法［17］。近年來，主成分分析廣泛用于許多作物，包括金柑［18］、玉米［19］、沙棘［20］、花生［21］等。試驗通過主成分分析可知，排在前4的主成分特征值均超過1，累計貢獻率達到78.472%；通過綜合評分值結合聚類分析將品種進行了排名和分類：綜合4個主成分對應的方差貢獻率加權求和：F=0.448 3F1+0.267 1F2+156 8F3+127 9F4。綜合得分排名第1的品種為YC6（新油17號），其得分為306.63分，表征其11個性狀指標綜合表現最佳，在15個參試品種中YC6（新油17號）適應塔額盆地的能力相對最強。得分位列2至4位依次為YC8、YC15、YC5，YC8、YC15、YC5在適應額盆地的能力相對較強；品種YC9的綜合評價得分為243.90，是15個參試品種中的最低值，表征其11個性狀指標綜合表現最差，品種YC9適應塔額盆地的能力相對最差。在歐式距離為5時，可將15個參試品種聚分為4大類群；第1類群包括YC2、YC3、YC4、YC1共計4個品種，平均產量最低，為3 433.15 kg/hm2，屬于低產群體；第2類群包括YC5、YC6、YC7等共計5個品種，平均產量最高，為3 669.22 kg/hm2，屬于中高產群體；第3類群包括YC12和YC13、YC11等共計5個品種，產量較低，平均為3 522.60 kg/hm2，屬于中低產群體；YC15為第4類，產量較高，為3 891.90 kg/hm2，為高產品種。

4 結 論

在育種中應關注提高全單株產量、全株角果數和一級分枝數，降低分枝高度，同時對一級分枝數好、莖粗和主序角果數進行綜合考慮。第2類群和第4類群各性狀指標處于中等偏上，其中又以YC6（新油17號）、YC8（CFZqt221060）和YC15（CFZqt221067）表現最佳，產量分別為4 153.75、4 035.48和3 891.90 kg/hm2，是適合在塔額盆地栽培的高產油菜品種。

參考文獻（References）

［1］劉成， 馮中朝， 肖唐華， 等. 我國油菜產業發展現狀、潛力及對策［J］. 中國油料作物學報， 2019， 41（4）： 485-489.

LIU Cheng， FENG Zhongchao， XIAO Tanghua， et al. Development， potential and adaptation of Chinese rapeseed industry［J］. Chinese Journal of Oil Crop Sciences， 2019， 41（4）： 485-489.

［2］ 王佳友， 何秀榮， 王茵. 中國油脂油料進口替代關系的計量經濟研究［J］. 統計與信息論壇， 2017， 32（5）： 69-75.

WANG Jiayou， HE Xiurong， WANG Yin. Econometric research on import substitution relationship between oils and oilseeds in China［J］. Statistics amp; Information Forum， 2017， 32（5）： 69-75.

［3］ 王康春. 推廣雙低油菜 促進產業化發展［J］. 中國食品， 2020，（15）： 120.

WANG Kangchun. Popularizing double-low rapeseed and promoting industrialization development［J］. China Food， 2020，（15）： 120.

［4］ 田朋佳， 廖文華， 高小麗， 等. 140份西藏大麥種質資源遺傳多樣性分析［J］. 西南農業學報， 2022， 35（1）： 16-26.

TIAN Pengjia， LIAO Wenhua， GAO Xiaoli， et al. Genetic diversity analysis of 140 barley germplasm resources in Tibet［J］. Southwest China Journal of Agricultural Sciences， 2022， 35（1）： 16-26.

［5］ 姜凱旋， 趙樂杰， 李江麗， 等. 春甘藍育種材料主要農藝性狀主成分分析與聚類分析［J］. 中國農學通報， 2020， 36（4）： 50-55.

JIANG Kaixuan， ZHAO Lejie， LI Jiangli， et al. Main agronomic traits of spring cabbage breeding materials： principal component analysis and cluster analysis［J］. Chinese Agricultural Science Bulletin， 2020， 36（4）： 50-55.

［6］ 莊萍萍， 李偉， 魏育明， 等. 波斯小麥農藝性狀相關性及主成分分析［J］. 麥類作物學報， 2006， 26（4）： 11-14.

ZHUANG Pingping， LI Wei， WEI Yuming， et al. Correlation and principle component analysis in agronomic traits of Triticum carthlicum nevski［J］. Journal of Triticeae Crops， 2006， 26（4）： 11-14.

［7］ 李楠楠， 杜曉宇， 韓玉林， 等. 中國四大冬小麥主產區品種農藝性狀的綜合性分析［J］. 種子， 2021， 40（12）： 94-101.

LI Nannan， DU Xiaoyu， HAN Yulin， et al. Comprehensive analysis of agronomic traits of four main winter wheat producing areas in China［J］. Seed， 2021， 40（12）： 94-101.

［8］ 魏常敏， 宋萬友， 周文偉， 等. 基于主成分分析的甜玉米品質綜合評價［J］. 浙江農業科學， 2020， 61（10）： 1967-1969， 2042.

WEI Changmin， SONG Wanyou， ZHOU Wenwei， et al. Comprehensive evaluation of sweet maize quality based on principal component analysis［J］. Journal of Zhejiang Agricultural Sciences， 2020， 61（10）： 1967-1969， 2042.

［9］ 尚麗平， 趙衛國， 郭凱紅， 等. 甘藍型油菜主要農藝性狀的主成分分析［J］. 中國農學通報， 2021， 37（28）： 9-13.

SHANG Liping， ZHAO Weiguo， GUO Kaihong， et al. Principal component analysis of main agronomic traits in Brassica napus population［J］. Chinese Agricultural Science Bulletin， 2021， 37（28）： 9-13.

［10］ 荊瑞勇， 衛佳琪， 王麗艷， 等. 基于主成分分析的不同水稻品種品質綜合評價［J］. 食品科學， 2020， 41（24）： 179-184.

JING Ruiyong， WEI Jiaqi， WANG Liyan， et al. Comprehensive quality evaluation of different rice varieties based on principal component analysis［J］. Food Science， 2020， 41（24）： 179-184.

［11］ 常世豪， 楊青春， 舒文濤， 等. 黃淮海夏大豆品種（系）主要農藝性狀的綜合性分析［J］. 作物雜志， 2020，（3）： 66-72.

CHANG Shihao， YANG Qingchun， SHU Wentao， et al. Comprehensive analysis of main agronomic traits of summer sowing soybean varieties（lines） in Huang-Huai-Hai Region［J］. Crops， 2020，（3）： 66-72.

［12］ 胡丹丹. 新型甘藍型油菜的群體改良和雜種優勢分析［D］. 武漢： 華中農業大學， 2019.

HU Dandan. Population improvement and heterosis analysis of new Brassica napus L［D］. Wuhan： Huazhong Agricultural University， 2019.

［13］ 張毅， 伍向蘋， 張芳， 等. 基于基因組數據解析中國油菜品種演化歷程及方向［J］. 中國油料作物學報， 2020， 42（3）： 325-333.

ZHANG Yi， WU Xiangping， ZHANG Fang， et al. Analysis of evolutionary history and future development of Chinese rapeseed varieties based on genomic data［J］. Chinese Journal of Oil Crop Sciences， 2020， 42（3）： 325-333.

［14］ 王璐璐， 張超， 黃莎， 等. 貴州芥菜型油菜主要性狀與產量的相關性及通徑分析［J］. 西南農業學報， 2022， 35（3）： 526-529.

WANG Lulu， ZHANG Chao， HUANG Sha， et al. Correlation and path analysis on main characters and yield of Brassica juncea in Guizhou［J］. Southwest China Journal of Agricultural Sciences， 2022， 35（3）： 526-529.

［15］ Kurtanjek ， Horvat D， Magdic D， et al. Factor analysis and modelling for rapid quality assessment of Croatian wheat cultivars with different gluten characteristics［J］. Food Technology and Biotechnology， 2008

［16］ 倪正斌， 王陳燕， 孫雪輝， 等. 甘藍型油菜主要農藝性狀相關性及主成分分析［J］. 江西農業學報， 2018， 30（3）： 7-10.

NI Zhengbin， WANG Chenyan， SUN Xuehui， et al. Correlation and principal component analyses of main agronomic traits in Brassica napus［J］. Acta Agriculturae Jiangxi， 2018， 30（3）： 7-10.

［17］ 李小勝， 陳珍珍. 如何正確應用SPSS軟件做主成分分析［J］. 統計研究， 2010， 27（8）： 105-108.

LI Xiaosheng， CHEN Zhenzhen. Correctly using SPSS software for principal components analysis［J］. Statistical Research， 2010， 27（8）： 105-108.

［18］ 楊柳， 黎曼緹， 易自力， 等. 21份金柑種質的果實品質分析與綜合評價［J］. 中國果樹， 2023，（5）： 56-62， 69.

YANG Liu， LI Manti， YI Zili， et al. Analysis and comprehensive evaluation of fruit quality of 21 kumquat germplasms［J］. China Fruits， 2023，（5）： 56-62， 69.

［19］ 蔣皖倩， 李友心， 洪自強， 等. 基于相關性、主成分、聚類、灰色關聯度對甜玉米品種的農藝性狀綜合評價［J］. 安徽科技學院學報， 2023， 37（2）： 39-45.

JIANG Wanqian， LI Youxin， HONG Ziqiang， et al. Comprehensive evaluation of agronomic traits of sweet corn varieties based on correlation， principal component analysis， clustering， and gray correlation degree［J］. Journal of Anhui Science and Technology University， 2023， 37（2）： 39-45.

［20］ 馬旭， 趙英， 韓煒， 等. 14種沙棘果實中氨基酸組成的主成分分析與綜合評價［J］. 新疆農業科學， 2023， 60（2）： 378-388.

MA Xu， ZHAO Ying， HAN Wei， et al. Principal component analysis and cluster analysis of amino acids in seabuckthorn fruit［J］. Xinjiang Agricultural Sciences， 2023， 60（2）： 378-388.

［21］ 董紅業， 徐婷， 劉文豪， 等. 新疆塔里木盆地東南緣花生主要農藝性狀的分析與綜合評價［J］. 中國農學通報， 2022， 38（6）： 26-30.

DONG Hongye， XU Ting， LIU Wenhao， et al. Peanut in the southeastern margin of Tarim Basin of Xinjiang： analysis and comprehensive evaluation of main agronomic traits［J］. Chinese Agricultural Science Bulletin， 2022， 38（6）： 26-30.

Comprehensive evaluation of new variety（strain） in Taer Basin

based on principal component analysis and cluster analysis

WANG Heya1，LUO Jingjing1， MENG Ling1， LI Huaisheng1， AI Haifeng1， JIA Donghai2

（1." Institute of Agricultural Sciences （Institute of Animal Science） of the Ninth Division of the Xinjiang Production and Construction Corps， Tacheng Xinjiang 834600， China; 2." Institute of Economic Crops，Xinjiang Academy of Agricultural Sciences， Urumqi 830091，China）

Abstract：【Objective】 This project aims to provide scientific theoretical basis for the selection and breeding of rapeseed in Taer Basin and promotes the breeding of high quality spring rapeseed varieties in the area.

【Methods】" The comprehensive evaluation of rapeseed varieties was studied by prioritization， principal component analysis and cluster analysis of 11 main traits by taking 15 rapeseed varieties as the test material.

【Results】" There were significant differences in the trait indexes of different rapeseed cultivars， the coefficient of variation was between 7.43%-29.21%， the greater the coefficient of variation， the greater the difference， and it had a certain degree of breadth and representativeness. The correlation coefficients of rapeseed variety 11 traits on yield were 0.44*， 0.36*， 0.34*， 0.24， 0.18 and 0.16， respectively， indicating that more attention should be paid to increasing the yield of the whole single plant， the number of horn fruits of the whole plant and the number of primary branches， and reducing the height of branches. Principal component analysis showed that the principal component characteristic values of the top 4 exceeded 1， and the cumulative contribution rate reached 78.472%. The varieties were ranked and classified by comprehensive scoring values combined with cluster analysis： the weighted sum of variance contribution rates corresponding to the four principal components was synthesized： F=0.448，3F1+0.267，1F2+1，568F3+1，279F4. The variety with the No. 1 comprehensive score was YC6 （Xinyou No. 17）， with a score of 306.63 points， indicating that its 11 personality traits index had the best comprehensive performance， indicating that among the 15 varieties tested， YC6 （Xinyou No. 17） had the strongest ability to adapt to the Taer Basin; when the European distance was 5， the 15 varieties could be clustered into 4 major groups; the first group included 4 varieties such as YC2 and YC3， with the lowest average yield of 3，433.15 kg/hm2， belonging to the low-yield group; The second group included five varieties， including YC5 and YC6， with the highest average yield， 3，669.22 kg/hm2， belonging to the medium and high-yield group; The third group included five varieties， such as YC12 and YC13， with low yields， with an average of 3，522.60 kg/hm2， belonging to the low- and medium-yield group. YC15was the fourth category， with a higher yield， 3，891.90 kg/hm2， （which was a high-yielding variety）.

【Conclusion】"" Comprehensive principal component analysis and cluster analysis， more attention should be paid to increasing the yield of the whole single plant， the number of horn fruits and the number of primary branches， reducing the branch height， and comprehensively considering the good number of primary branches， stem thickness and main order angle fruits. Combined with the comprehensive evaluation value of principal components and cluster analysis， the trait indicators of group 2 and group 4 are above the middle level， among which YC6 （Xinyou No. 17）， YC8 （CFZqt221060） and YC15（CFZqt221067） perform the best， which are high-yield rapeseed varieties suitable for cultivation in the Taer Basin.

Key words：rape; correlation analysis; principal component analysis; cluster analysis

Fund projects：National Rapeseed Industry System Number （CARS-12）； Innovation and entrepreneurship project of the ninth divivsion of the Xinjiang production and Construction Corps Science and Technlogy Special Commissioner （Innovation and Entrepreneurship of Science and Technology Commissioner's Team for High-yield Cultivation of Specialty Crops）

Correspondence author：LUO Jingjing （1989-）， female， from Fugou， Henan， associate researcher， master candidate， research direction： crop cultivation and pest control， （E-mail）860220521@qq.com